AI 项目验收：这八类错误最容易被忽略

一、为什么是"静默失败"

AI 项目上线后最伤的不是报错——报错有告警、有人处理。真正伤的是不报错的错：数据悄悄算错、结果悄悄变差、成本悄悄翻倍。等发现时，错误的输出已经被当成正确的使用了很久。

验收阶段要把这些静默失败提前逼出来。以下八类，是我们复盘过的 AI 项目里出现频率最高的。

二、八类清单

1. 幂等性。 同一个请求提交两次（用户手抖、网络重试、消息队列重投），结果是做了一遍还是两遍？"一遍"和"两遍"在计费、库存、通知场景里是天壤之别。

2. 越权。 A 用户能否通过改请求参数读到 B 用户的数据？模型输出里会不会带出提示词里不该出现的上下文？权限测试必须带数据面做，接口 403 不等于内容安全。

3. 离线恢复。 依赖的外部模型服务超时、限流、返回畸形 JSON——系统是排队重试、降级兜底，还是把脏数据写进库？断网一小时再恢复，积压的处理正确吗？

4. 边界值。 空输入、超长输入、全特殊字符、恰好等于阈值的记录数。AI 系统的边界还包括 token 上限——超长文本被静默截断后，输出看起来依然流畅，这是最隐蔽的一类。

5. 时区与时间。 统计口径按 UTC 还是本地时间？跨日任务在夏令时切换那天跑几次？报表数字对不上，一半的根因在时区。

6. 并发计数。 点赞、库存、额度这类"读了再加"的操作，并发下会丢更新。压测时专门测同一资源的高频并发写，对一下总数。

7. 版本漂移。 模型提供方悄悄升级了版本，同样的输入输出变了。验收时要固定住模型版本并留下回归用例——每次变更跑一遍，不然"上线时是对的"这句话毫无意义。

8. 成本曲线。 单请求成本 × 预期峰值流量，算过吗？用量翻十倍时成本是线性涨还是阶跃涨（缓存命中率掉下来那类阶跃）？上线一个月收到十倍账单的项目，验收时都只测了功能没测曲线。

三、怎么用这份清单

不必八类全建自动化，但每一类要有一个当场可做的动作：手工构造一次重复提交、换一个用户的 token 调一次接口、把输入拉到超长看输出是否被截断。半天时间能过一遍，比任何验收报告都实在。

静默失败的共同点是：出问题时，所有你监控的东西都显示绿色。验收测的不是"功能对不对"，是"错的时候你看不看得见"。

撰稿：邓湘雷